返回搜索结果
Qwen3-1.7B · IQ2_M
NVIDIA RTX 507012GBvLLM v0.37L2 跨框架验证
本页汇总 Qwen3-1.7B（IQ2_M）在 NVIDIA RTX 5070 上以 vLLM 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。
185.93 tok/s
Decode
解码速度
658.25 tok/s
Prefill
预填充速度
0.3 s
TTFT
首 token 延迟
3.96 GB
VRAM
显存占用
L2 跨框架验证
1
实测次数
1
独立来源
其他
来源平台
今天
最后验证
性能表现
- vLLM · IQ2_M （当前）Decode 185.93 · Prefill 658.25 ·
- Ollama · Q3_K_L Decode 127.9 · Prefill 682.85 ·
- Ollama · Q5_K_M Decode 93.03 · Prefill 365.14 ·
- Strata · Q3_K_L Decode 187.58 · Prefill 667.52 ·
核心数据
- Decode（平均）
- 185.93 tok/s
- Prefill（平均）
- 658.25 tok/s
- TTFT（平均）
- 0.3 s
- VRAM（平均）
- 3.96 GB
- MTP 接受率
- —
- TTFB
- 1.49 GB
- 功耗
- 150.4 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-1.7B
- 量化方式
- IQ2_M
- 框架
- vLLM
- 版本
- v0.37
- 上下文长度
- 32768 tokens
- 批次大小
- 16
- GPU 层数
- 999
- Flash Attention
- 开启
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA RTX 5070
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.96 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 150.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx
185.93 tok/s
Decode
658.25 tok/s
Prefill
0.3 s
TTFT
3.96 GB
VRAM
—
MTP
150.4 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=18 running model_id=55 at IQ2_M